مقایسه تاثیر هندسه کانال های مستطیلی و ذوزنقه ای بر ضریب دبی سرریزهای جانبی مستطیلی با استفاده از مدل های یادگیری ماشین بهینه شده

زمینه و هدف: سرریزهای جانبی نقشی کلیدی در اندازه گیری و کنترل جریان در سامانه های هیدرولیکی ایفا می کنند، به ویژه در پروژه های کاهش خسارات سیلاب و مدیریت رواناب. برآورد دقیق ضریب دبی (C_d) این سازه ها، به دلیل تعامل پیچیده بین دینامیک جریان و هندسه کانال، به یک چالش فنی مهم تبدیل شده است. در این پژوهش، برای نخستین بار، دو مدل ترکیبی نوین تحت عنوان SVM-HOA و SVM-RSA معرفی شده اند که در آن ها، ماشین بردار پشتیبان (SVM) به ترتیب با الگوریتم های بهینه سازی اسب (HOA) و جست وجوی خزنده (RSA) تنظیم شده است. این مدل ها به منظور پیش بینی ضریب دبی متناسب با هندسه برای سرریزهای جانبی مستطیلی لبه تیز در دو نوع کانال مستطیلی و ذوزنقه ای به کار گرفته شده اند.

روش پژوهش: این مطالعه، دو سناریوی آزمایشگاهی بررسی شده است. سناریوی نخست شامل ۴۰۷ داده آزمایشگاهی از سرریزهای جانبی مستطیلی لبه تیز در کانال های مستطیلی و سناریوی دوم شامل ۷۸ داده آزمایشگاهی در کانال های ذوزنقه ای است. در ابتدا، مهم ترین پارامترهای بی بعد موثر ازجمله Fr_۱، P/y_۱، L/B، L/y_۱، y_۱/B و m شناسایی شدند. این پارامترها به عنوان ورودی مدل های SVM استفاده شدند. هر مدل ترکیبی با بهینه سازی ابر پارامتر های SVM به وسیله الگوریتم های HOA و RSA پیاده سازی شد تا از افتادن در کمینه های موضعی جلوگیری شود و دقت پیش بینی افزایش یابد. داده ها به نسبت ۸۰ به ۲۰ برای آموزش و آزمون تقسیم شدند و برای جلوگیری از بیش برازش، از اعتبارسنجی متقابل ۱۰ بخشی استفاده شد. عملکرد مدل ها با شاخص های آماری استاندارد ازجمله خطای ریشه میانگین مربعات (RMSE)، کارایی نش-ساتکلیف (NSE) و ضریب همبستگی (R) ارزیابی گردید. همچنین، تحلیل حساسیت برای بررسی میزان تاثیر هر پارامتر ورودی بر خروجی انجام شد.

نتایج و بحث: نتایج ارزیابی تطبیقی نشان داد که هر دو مدل SVM-HOA و SVM-RSA در پیش بینی دقیق ضریب دبی در هر دو نوع کانال عملکرد مناسبی داشتند. در سناریوی اول (کانال مستطیلی)، مدل SVM-HOA با ورودی های نظیر نسبت ارتفاع سرریز به عمق جریان ابتدایی (P/y_۱)، نسبت طول تاج سرریز به عرض کف کانال (L/B)، نسبت طول تاج به عمق جریان (L/y_۱) و عدد فرود بالادست (Fr_۱) مقادیر NSE، RMSE و R به ترتیب برابر با ۰.۹۰۴، ۰.۰۶۳ و ۰.۹۵۳ بهترین عملکرد را نشان داد. در سناریوی دوم (کانال ذوزنقه ای) نیز مدل SVM-HOA با ورودی های L/B، Fr_۱، y_۱/B و شیب دیواره کانال (m) به مقادیر NSE، RMSE و R به ترتیب برابر با ۰.۹۶۴، ۰.۰۲۰ و ۰.۹۸۶ دست یافت. نمودارهای تیلور، برتری مدل SVM-HOA نسبت به SVM-RSA را در قدرت پیش بینی و پایداری نتایج تایید کردند. تحلیل حساسیت نشان داد که نسبت P/y_۱ در کانال مستطیلی و عدد فرود بالادست (Fr_۱) در کانال ذوزنقه ای بیشترین تاثیر را بر مقدار C_d دارند. این یافته ها بر اهمیت توجه به متغیرهای هندسه محور و انتخاب الگوریتم بهینه سازی مناسب در کاربردهای هیدرولیکی تاکید می کنند.

نتیجه گیری: این پژوهش رویکردی نوآورانه و متکی بر هندسه را برای پیش بینی دقیق ضریب دبی در سرریزهای جانبی مستطیلی لبه تیز ارائه می دهد. دو مدل ترکیبی پیشنهادی، یعنی SVM-HOA و SVM-RSA، دقت بالا، تطبیق پذیری مناسب با هندسه های مختلف کانال و مقاومت بالا در برابر بیش برازش و کمینه های محلی را از خود نشان دادند. نتایج بیانگر برتری قابل توجه مدل SVM-HOA در بیشتر موارد است، به ویژه زمانی که با پارامترهای بی بعد مناسب و نسبت بهینه ی داده های آموزش و تست همراه باشد. این مدل ها می توانند به عنوان ابزاری کارآمد برای مهندسان هیدرولیک در طراحی، شبیه سازی و تحلیل عملکرد سرریزهای جانبی در شرایط مختلف جریان و انواع کانال ها مورداستفاده قرار گیرند.

کلیدواژه ها:

الگوریتم های فرا ابتکاری ، آنالیز حساسیت ، سرریز جانبی ، ضریب دبی ، یادگیری ماشین